增量学习语义属性的图像内容检索系统增强

• 作者: 丁学东 刘渊 谢振平
• 来源期刊: 计算机应用研究
• 关键词: 图像内容检索 语义属性 低层特征 增量学习
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 273-276
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.01.064

摘要

大规模图像内容检索是实现图像语义信息获取的重要手段,其首要需解决图像低层特征与用户高层语义间的语义鸿沟问题.针对该问题,引入图像语义属性,并结合增量分类学习方法(online core vector machine,OCVM),提出了一种增量构建大规模图像内容检索系统的新方法.该方法借助检索反馈学习机制可以提升图像语义属性的辨别准确性,能在扩张图像库规模的同时,提升图像内容检索的可靠性.实验结果表明了上述方法的有效性,其检索性能可逐步地达到离线构建方法的最佳性能,但具有更好的可扩展性和自提升能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	谢振平	江南大学数字媒体学院	41	374	8.0	18.0
3	丁学东	江南大学数字媒体学院	2	12	2.0	2.0